mixed precision training
2018.11.06 06:56
train (math) 는 FP16 으로 하고 storage 는 FP32 로 해서 BVLC Caffe 에서도 잘 동작하는듯.
정확도는 아직 더 test 해봐야한다. scale factor 는 100~1000 이 적당한듯.
NVCaffe 에서 trainval.prototxt 에 아래와 같이 추가
default_forward_type: FLOAT16
default_backward_type: FLOAT16
default_forward_math: FLOAT
default_backward_math: FLOAT
global_grad_scale:100
| 번호 | 제목 | 글쓴이 | 날짜 | 조회 수 |
|---|---|---|---|---|
| 1686 | ubuntu cuda nvidia-smi | WHRIA | 2020.08.29 | 850 |
| 1685 | concat network [3] | WHRIA | 2020.08.27 | 147 |
| 1684 | GPT2 [1] | WHRIA | 2020.08.03 | 250 |
| 1683 | scopus [1] | WHRIA | 2020.08.02 | 344 |
| 1682 | melafind | WHRIA | 2020.08.01 | 771 |
| 1681 | nvidia dali [1] | WHRIA | 2020.08.01 | 265 |
| 1680 | pytorch optimize | WHRIA | 2020.08.01 | 126 |
| 1679 | startup , 미국 | WHRIA | 2020.07.30 | 134 |
| 1678 | consort , stard | WHRIA | 2020.07.30 | 81 |
| 1677 | model split [1] | WHRIA | 2020.07.30 | 142 |
| 1676 | FTC [1] | WHRIA | 2020.07.28 | 238 |
| 1675 | 암호화 | WHRIA | 2020.07.26 | 1000 |
| 1674 | raid 6 | WHRIA | 2020.07.23 | 43 |
| 1673 | asyncio | WHRIA | 2020.07.23 | 286 |
| 1672 | amp distributed pytorch [1] | WHRIA | 2020.07.14 | 51 |
MIXED 셋팅
default_forward_type: FLOAT16
default_backward_type: FLOAT16
default_forward_math: FLOAT
default_backward_math: FLOAT
FP32
default_forward_type: FLOAT
default_backward_type: FLOAT
default_forward_math: FLOAT
default_backward_math: FLOAT
FP16
default_forward_type: FLOAT16
default_backward_type: FLOAT16
default_forward_math: FLOAT16
default_backward_math: FLOAT16
CUDA 8.0 으로 하면 속도 향상이 없다.
CUDA10.0 기준, cudnn 7.4.1, ResNeXt-50 , 100 iter
FP32 - 82 sec, 4779
FP16 - 69 sec+ test 오래걸림 , 2623
Mixed - store 16bit - 69 sec, 2623
Mixed - store 32bit - 69 sec, 2769
solver_data_type: FLOAT16 가 16bit 인 경우 memory 를 약간 더 잡아먹는다.
Mixed train 하는 경우
pascal 에서 속도가 30% 향상있고 메모리는 50% 감소한다.